تشخیص خطای قطع فاز در استاتور به صورت آنلاین و کنترل تحمل دستگاه های آهنربای دائمی با استفاده از ولتاژ نقطه خنثی

On-line Stator Open-Phase Fault Detection and Tolerant Control for Permanent Magnet Machines using the Neutral Point Voltage

چکیده
1- مقدمه
2- مدل ماشین PM با در نظر گرفتن خطای فاز
الف- ولتاژ NP در یک ماشین سالم
ب- ولتاژ NP در ماشین دارای فاز خطا:
ج- تشخیص خطای فاز بر اساس هارمونیک ولتاژ NP
3- کنترل تحمل پذیر خطای فاز
الف- سیستم درایو تحمل پذیر خطای فاز
ب- کنترل تحمل پذیر خطای فاز در درایو تک فاز
4- نتایج تجربی
الف- پاسخ ولتاژ NP در خطای فاز
ب- سیگنال های تشخیص خطا در شرایط مختلف خطا
ج- تشخیص خطای فاز در طول سرعت ناپایدار
د- مقایسه عملکردهای مختلف تشخیص خطا
ه- کنترل تحمل پذیر خطا
5- نتیجه گیری

چکیده

روش های تشخیص خطای قطع فاز استاتور ماشین های معمول به تشخیص هارمونیک های جریان از حسگری جریانات فاز بستگی دارد. از آنجایی که دامنۀ هارمونیک های جریان متناسب با شرایط باری ماشین است، زمانی که هارمونیک های جریان ناشی از خطا برای شناسایی بسیار کوچک باشند، چالشی برای تشخیص خطای فاز در شرایط باری سبک محسوب می شود. این مقاله بر اساس نقطۀ خنثی (NP) در سیم پیچ های دو شاخه ای، تشخیص خطای فاز استاتور را برای ماشین های مغناطیس دائم (PM) ارائه می کند. نشان داده شده که هارمونیک ولتاژ مرتبۀ اول زمانی حاصل می شود که خطای قطع فاز رخ دهد. در مقایسه با روش های اولیه شناسایی مبتنی بر اندازه گیری جریان، تشخیص خطا با استفاده از ولتاژ NP نسبت به شرایط باری غیرحساس است، زیرا سیگنال خطای پیشنهادی ناشی از عدم تعادل ولتاژ به خاطر قطع فاز است. علاوه بر در نظر گرفتن کنترل تحمل پذیر خطا، درایو یک فاز با اتصال ماشین NP به یکی از پایه های اینورتر توسعه می یابد. این ماشین می تواند در کارامدترین شرایط خطای فاز از اینورترهای سه پایه استاندارد استفاده کند. ماشین PM 50-W با قابلیت دسترسی به NP برای ارزیابی تشخیص خطای قطع فاز پیشنهادی و روش کنترل تحمل پذیر استفاده می شود.

نتیجه گیری

نتایج کلیدی به صورت زیر خلاصه شده اند: با استفاده از روش پیشنهادی تشخیص خطای حوزۀ زمانی، خطای فازی و موقعیت می توانند در دوره زمانی 2/0 ثانیه ای و در عملکرد ناپایدار سرعت مشخص شوند. ولتاژ پیشخورد، v_VS^* در (14)، برای جبران ولتاژ ترتیب صفر SVPWM در ولتاژ اندازه گیری شدۀ NP و برای تشخیص خطای فازی کافی است. خطای فازی بر اساس برآورد vsin و vcos مشخص می شود. موقعیت خطا با زاویۀ atan2(vsin/vcos) مشخص می شود. برای روش پیشنهادی تشخیص خطا به هیچ پارامتر ماشینی نیاز نداریم. بر مبنای این ارزیابی آزمایشی، کنترل تحمل پذیر خطای تک فاز می تواند در طول حضور خطا با استفاده از چهار کلید باقیماندۀ اینورتر، ریپل گشتاور را بهبود بخشد.

Abstract

Conventional machine stator open-phase fault detection methods rely on the detection of current harmonics from the sensing of phase currents. Because the magnitudes of current harmonics are proportional to the machine load condition, it is a challenge for the phase fault detection at light load condition when fault induced current harmonics are too small to detect. This paper proposes an improved stator phase fault detection for permanent magnet (PM) machines based on the use of neutral point (NP) in Y-connected windings. It is shown that a first-order voltage harmonic is resultant once the open-phase fault occurs. Comparing to prior detection methods based on the current measurement, the fault detection using NP voltage is insensitive to the load condition because the proposed fault signal is induced by the voltage unbalance due to the openphase. In addition considering the fault tolerant control, a singlephase drive is developed by connecting the machine NP to one of the inverter legs. The machine can drive at the most efficient condition using standard three-leg inverters under phase fault. A 50-W PM machine with the accessible NP is used to evaluate the proposed open-phase fault detection and tolerant control method.

V- CONCLUSIONS

Key conclusions are summarized as follows:  By using the proposed time-domain fault detection method, the phase fault and the location can be identified within the time period of 0.2-sec under the speed transient operation.  The feedforward voltage, vSV * in (14), is sufficient to compensate the SVPWM zero-sequence voltage in the measured NP voltage for the phase fault detection.  The phase fault is detected based on the estimation of vsin and vcos. The fault location is identified by the angle of atan2(vsin/vcos). No machine parameter is required for the proposed fault detection method.  Based on the experimental evaluation, the proposed singlephase fault tolerant control can improve the torque ripple using remaining inverter four switches during the presence of phase fault.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص خطای قطع فاز در استاتور به صورت آنلاین و کنترل تحمل دستگاه های آهنربای دائمی با استفاده از ولتاژ نقطه خنثی

On-line Stator Open-Phase Fault Detection and Tolerant Control for Permanent Magnet Machines using the Neutral Point Voltage

تشخیص اتصال کوتاه حلقه داخلی در PMSM توسط تجزیه و تحلیل ولتاژ با مدل سیم پیچ خطایی

Interturn Short Fault Diagnosis in a PMSM by Voltage and Current Residual Analysis With the Faulty Winding Model

چکیده

1- مقدمه

2- شبیه سازی PMSM با ISF

3- مدل ISF و FWM برای PMSMS

الف- مدل PMSM دارای ISF

ب. مدل سیم پیچ خطایی دارای ISF

4- شاخص خطا برای ISF

الف- شاخص های خطای ایده آل برای ISF

ب- شاخص خطای پیشنهادی برای ISF

5- طرحی برای تشخیص ISF

الف- تشخیص ISF با VRC

ب- تشخیص ISF دارای CRC: یک مرحله دیگر

6- نتایج تجربی

الف- چیدمان تجربی

ب- نتایج طرح تشخیصی پیشنهادی

ج- مقایسه با مطالعات معمول

7- نتیجه گیری

چکیده

خطای اتصال کوتاه حلقه داخلی (ISF) در یک ماشین سنکرون مغناطیس دائم (PMSM) کارایی انرژی آن را کاهش می دهد و ممکن است باعث مشکلات دیگر شود، تشخیص خطای دقیق برای PMSMs ضروری است. در این مقاله، روشی را ارائه می دهیم که از ولتاژ و عناصر پسماند جریان برای تشخیص فاز و شدت ISF در PMSMs استفاده می کند. مدل سیم پیچ خطایی (FWM) برای تحلیل خطا معرفی شده است؛ این مدل ارتباط میان کاهش ولتاژ سیم پیچ خطایی را با ویژگی های خطا مانند مقاومت خطا و نسبت خطا توصیف می کند. بر اساس این مدل، یک شاخص خطا (FI) را پیشنهاد می کنیم که شدت ISF را نشان می دهد. همان طور که ISF عناصر پسماند را برای ولتاژ و جریان القا می کند، این مدل پیشنهادی، از عناصری با FWM استفاده می کند. روش حداقل مجذورات (LS) برای برآورد FI و تشخیص ISF از PMSMs استفاده می شود. نتایج تجربی نشان می-دهند که این روش پیشنهادی ISF را به خوبی تشخیص می دهد.

مقدمه

ماشین های سنکرون مغناطیس دائم (PMSMs) به خاطر مزایای مختلف آن به شکلی گسترده در بسیاری از موارد صنعتی کاربرد دارند. PMSMs کارآمدی بالاتر، نسبت بالاتر قدرت به حجم و کنترل گشتاور دقیق تری نسبت به ماشین های القایی دارند. این ویژگی ها آنها را کاندیدهای جذاب تری برای وسایل الکتریکی و هیبریدی می کند. با افزایش تقاضا برای PMSMs در مناطق صنعتی مختلف، احتمال شکست های غیرمنتظره سیستم افزایش می یابد. خطاهای موجود در PMSMs ممکن است به تخریب گیاهی، زیان اقتصادی و حتی تلفات انسانی منجر شود. برای جلوگیری از چنین فاجعه هایی، تشخیص خطا در PMSMs لازم است در سال های اخیر روی آن مطالعه شده است.

نتیجه گیری

این مقاله الگوریتمی را پیشنهاد می کند که در مؤلفه های پسماند جریان و ولتاژ مبتنی بر FWM به کار می رود که برای تشخیص ISF مربوط به PMSM است. بسیاری از مطالعات تلاش کرده اند تا ISF را تشخیص دهند، اما اکثر آنها سیم پیچی که دارای خطا است را در نظر نگرفته اند، و معمولاً بر شرایط بسیار شدید تمرکز داشته اند. از آنجایی که این می تواند موجب افزایش شدت شود، یا موجب خطاهای دیگری مانند خطای مغناطیس زدایی شود، ISF باید در مراحل اولیه تشخیص داده شود.

Abstract

As interturn short fault (ISF) in a permanent-magnet synchronous machine (PMSM) degrades its energy efficiency and may cause other problems, accurate fault diagnosis for the PMSMs is necessary. In this paper, we present a method that uses voltage and current residual components to diagnose the phase and the severity of the ISF in PMSMs. A faulty-winding model (FWM) is introduced to analyze the fault; the model describes a relationship between the voltage decrease of the faulty winding to the characteristics of the fault such as a fault resistance and a fault turn ratio. Based on the model, we suggest a fault index (FI) that shows the severity of the ISF. As the ISF induces residual components to both voltage and current, the proposed method utilized those components with the FWM. A least squares (LS) method is used to estimate the FI and to diagnose the ISF of PMSMs. Experimental results demonstrate that the proposed method diagnose the ISF effectively.

INTRODUCTION

PERMANENT magnet synchronous machines (PMSMs) are widely used in many industrial applications owing to their various advantages. PMSMs have higher efficiencies, higher power-to-volume ratios and more precise torque control than induction machines [1]. These features make them attractive candidates especially for electric and hybrid vehicles [2]. With the rising demand for the PMSMs in numerous industrial areas, there is an increasing possibility of unexpected system failures. Faults in PMSMs may result in plant breakdown, economic losses, and even human casualties. To prevent such catastrophies, fault diagnosis for PMSMs are necessary and has studied in recent years [3], [4].

CONCLUSION

This paper proposes a algorithm that utilizes on voltage and current residual components based on the FWM to diagnose the ISF of the PMSM. Many studies have attempted to diagnose the ISF, but most of them did not consider the winding that has the fault, ans usually focused on very severe conditions. Because it can result increase in severity, or cause other faults such as a demagnetization fault, the ISF must be diagnosed in its early stages.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص اتصال کوتاه حلقه داخلی در PMSM توسط تجزیه و تحلیل ولتاژ با مدل سیم پیچ خطایی

Interturn Short Fault Diagnosis in a PMSM by Voltage and Current Residual Analysis With the Faulty Winding Model

بررسی تشخیص نقص برای تبدیل کننده متصل به شبکه واقع در ساحل در سیستمهای تبدیل انرژی باد

A survey of fault diagnosis for onshore grid-connected converter in wind energy conversion systems

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

بررسی تشخیص نقص برای تبدیل کننده متصل به شبکه واقع در ساحل در سیستمهای تبدیل انرژی باد

A survey of fault diagnosis for onshore grid-connected converter in wind energy conversion systems

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

در مورد صحت تشخیص عیب و جداسازی در دستگاههای همگام با آهنربای دائمی با استفاده از MCSA / MVSA و LDA

On the Accuracy of Fault Detection and Separation in Permanent Magnet Synchronous Machines using MCSA/MVSA and LDA

چکیده

1- مقدمه

2- مقدمه

الف. خطای گریز از مرکز

ب- مدار اتصال کوتاه حلقه به حلقه

ج- مغناطیس زدایی

3- خطاهای اجرایی و روش پیشنهادی

الف- تحلیل اِلِمان محدود

ب- محیط آزمایشی

ج- الگوریتم شناسایی و طبقه بندی خطا

4- تحلیل افتراقی خطی (LDA)

5- شبیه سازی و نتایج آزمایشی

الف- تشخیص نوع خطا

ب- شناسایی شدت خطا

ج- مقایسه FEA با داده های آزمایشی

د- تأثیر دما

6- نتیجه گیری

چکیده

در این مقاله موتور جریان/تحلیل مغناطیس ولتاژ و تحلیل تشخیصی خطا با توجه به صحت شناسایی وضعیت ماشین های سنکرون مغناطیس دائم ارزیابی می کند که آیا سالم است یا خیر، نوع آن خطا را تعیین می کند و شدت آن را در مورد خطای گریز از مرکز استاتیک یا مدار اتصال کوتاه حلقه به حلقه برآورد می کند. در اینجا سه نوع خطا مورد بحث قرار می گیرد: گریز از مرکز استاتیک، مدار اتصال کوتاه حلقه به حلقه و خطای مغناطیس زدایی جزئی. تحلیل اِلِمان محدود دو بعدی (2-D) برای مدل سازی و شبیه سازی ماشین تحت شرایط سالم یا ناسالم به کار گرفته می شود. تبدیل سریع فوریه بر ولتاژ فاز یا سیگنال های جریان اعمال می شود تا طیف فرکانس را به دست آورد. ترکیبی از دامنه هارمونیک های ولتاژ استاتور یا سیگنال های جریان به عنوان ویژگی های دقیقی برای طبقه بندی تشخیص خطا استفاده می شوند. تحلیل افتراقی خطی به عنوان روش طبقه بندی برای هر دو انتخاب می شود که خطا را مشخص کرده و شدت را برآورد می کند. دو نوع سیم پیچ مختلف از ماشین های سنکرون مغناطیس دائم مورد آزمایش قرار می گیرند: ماشین سیم پیچ متمرکز و توزیع شده. برای تأیید نتایج شبیه سازی، آزمایشاتی در نقاط عملیاتی مختلف انجام شده و این نتایج با تحلیل اِلِمان محدود مقایسه می شوند.

نتیجه گیری

در این مقاله، طبقه بندی کننده های MSCA و LDA برای تشخیص و برآورد دقیق خطا در PMSM ارزیابی می شوند. دامنه هارمونیک های ولتاژ فاز یا سیگنال های جریان استاتور به عنوان ویژگی های طبقه بندی کنندۀ LDA استفاده می شوند، تا نوع خطا را شناسایی و شدت آن را برآورد کند. در اینجا سه خطا ارزیابی شد: خطای گریز از مرکز استاتیک، مدار اتصال کوتاه حلقه به حلقه و مغناطیس زدایی جزئی. این آزمایشات با استفاده از FEA انجام شدند و با کاربرد داده های آزمایشی برای دو نوع PMSMs اعتبارسنجی شد: ماشین سیم پیچ توزیع شدۀ 12 قطبی و ماشین سیم پیچ متمرکز 16 قطبی. بیشتر روش های تشخیص و جداسازی قبلی بر مبنای کاربرد زیر هارمونیک‌های سیگنال جریان استاتور هستند، درحالی که این موتور در سرعت و گشتاور خاص عمل می کند. برای این روش پیشنهادی، نتایج طبقه بندی شبیه-سازی و آزمایشی نشان می دهد که تغییر در دامنه هارمونیک های جریان یا ولتاژ به خاطر حضور خطا در ماشین، می تواند برای شناسایی نوع خطا و برآورد شدت آن تحت بارهای و سرعت های عملیاتی مختلف استفاده شود.

Abstract

In this paper, the motor current/voltage signature analysis and linear discriminant analysis (LDA) are evaluated with respect to the accuracy to detect the status of permanent magnet synchronous machines (PMSMs) whether it is healthy or faulted, determine the type of that fault, and estimate the severity in the case of static eccentricity or turn-to-turn short-circuit fault. Three types of faults are discussed: static eccentricity, turn-to-turn short circuit, and partial demagnetization fault. Two-dimensional finite element analysis (FEA) is used to model and simulate the machine under healthy and faulted conditions. Fast Fourier transform is applied to the phase voltage or current signals to obtain the frequency spectrum. A combination of the amplitude of the harmonics of the stator voltage or current signals are used as detailed features for the classifier for fault detection. LDA is chosen as a classification method for both detecting the fault and estimating its severity. Two different winding types of PMSMs are tested: a concentrated and a distributed winding machine. To validate the simulation results, experiments at different operational points are carried out and the results are compared with the sFEA.

VI- CONCLUSIONS

In this paper, the MSCA and LDA classifiers were evaluated for accuracy for fault detection and estimation in PMSM. The amplitude of the harmonics of the phase voltage or stator current signals were used as features for the LDA classifier to detect the fault type and estimate its severity. Three faults were discussed: static eccentricity, turn-to-turn short circuit, and partial demagnetization fault. Tests were performed using FEA and validated using experimental data for two types of PMSMs: a 12 poles distributed winding machine and a 16 poles concentrated winding machine. Most of the previous detection and separation methods are based on using the subharmonics of the stator current signal while the motor is operating at a specific speed and torque. For the proposed method, experimental and simulation classification results show that the variation in amplitude of the current or voltage harmonics due to the presence of a fault in the machine, can be used to detect the fault type and estimate the severity under different operating speeds and loads.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

در مورد صحت تشخیص عیب و جداسازی در دستگاههای همگام با آهنربای دائمی با استفاده از MCSA / MVSA و LDA

On the Accuracy of Fault Detection and Separation in Permanent Magnet Synchronous Machines using MCSA/MVSA and LDA

طراحی تمام جمع کننده تحمل خطای زمان واقعی برای کاربردهای حیاتی

Real-time fault tolerant full adder design for critical applications

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

طراحی تمام جمع کننده تحمل خطای زمان واقعی برای کاربردهای حیاتی

Real-time fault tolerant full adder design for critical applications

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

چکیده

1- مقدمه

2- اصول مقدماتی

1- 2 تئوری شواهد دمپستر-شافر

2- 2 روش ترکیب میانگین وزن دار (موزون)

3- 2 آنتروپی دنگ

4- 2 روش Fan و Zuo

3- روش پیشنهادی

1- 3 قابلیت اطمینان ایستا

2- 3 قابلیت اطمینان پویا

3- 3 قابلیت اطمینان جامع حسگر

4- کاربرد

5- نتایج

چکیده

ترکیب داده های حسگر نقش مهمی در عیب شناسی ایفا می نماید. تئوری (نظریه) شواهد دمپستر- شافر (D-R) در عیب شناسی کاربرد وسیعی دارد، زیرا در ترکیب شواهد بدست آمده از حسگرهای مختلف، کارآمد ظاهر می شود. اما، در موقعیت های شواهد ضد و نقیض، نتیجه ای دور از عقل بدست می آید. برای بررسی این مسئله، در این مقاله روش جدیدی پیشنهاد می شود. در اینجا قابلیت اطمینان آماری و پویای حسگر مورد توجه قرار می گیرد. برای دستیابی برای قابلیت اطمینان پویای هر گزارش حسگر، تابع فاصله شواهد و آنتروپی باور باهم ترکیب می شوند. از روش میانگین گیری وزنی برای تغییر شواهد متناقض با تخصیص اوزان متفاوت به شواهد طبق قابلیت اطمینان حسگر استفاده می شود. به خاطر توجه به حجم اطلاعات هر گزارش حسگر، روش پیشنهادی در زمینه مدیریت تعارض و عیب شناسی، عملکرد بهتری به معرض نمایش می گذارد. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی مبتنی بر ترکیب و تلفیق حسگر شرح داده می شود. نتایج بدست آمده نشان می دهد که در مقایسه با روشهای موجود، روش پیشنهادی، صحت عیب شناسی را از 19. 81 درصد به 48. 89 درصد افزایش می دهد.

5- نتایج

چگونگی مدلسازی کارآمد قابلیت اطمینان حسگر، عملکرد سیستم ترکیب حسگر را به میزان زیادی تحت تاثیر قرار می دهد. برای بررسی این موضوع، در این مقاله، یک مدل قابلیت اطمینان حسگر جدید مرکب از قابلیت اطمینان پویا وایستا مطرح شده است. خصوصیت پویای قابلیت اطمینان حسگر با تابع فاصله گزارش حسگر و حجم اطلاعات هرگزارش حسگر تعیین می شود. برای بهبود قاعده ترکیب کلاسیکی دمپستر، ضریب تنزیل جدیدی پیشنهاد می شود. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی شرح داده می شود. به نظر می رسد روش پیشنهادی در مقابله با شواهد متعارض، کارآمدتر ظاهر می شود. به علاوه، طبق نتایج بدست آمده در این مقاله، روش جدید قادر به شناسایی درست عیب و بهبود صحت عیب شناسی از 81.19 درصد به 89.48 درصد می باشد.

Abstract

Sensor data fusion plays an important role in fault diagnosis. Dempster–Shafer (D-R) evidence theory is widely used in fault diagnosis, since it is efficient to combine evidence from different sensors. However, under the situation where the evidence highly conflicts, it may obtain a counterintuitive result. To address the issue, a new method is proposed in this paper. Not only the statistic sensor reliability, but also the dynamic sensor reliability are taken into consideration. The evidence distance function and the belief entropy are combined to obtain the dynamic reliability of each sensor report. A weighted averaging method is adopted to modify the conflict evidence by assigning different weights to evidence according to sensor reliability. The proposed method has better performance in conflict management and fault diagnosis due to the fact that the information volume of each sensor report is taken into consideration. An application in fault diagnosis based on sensor fusion is illustrated to show the efficiency of the proposed method. The results show that the proposed method improves the accuracy of fault diagnosis from 81.19% to 89.48% compared to the existing methods.

5- Conclusions

How to efficiently model sensor reliability greatly affects the performance of the sensor fusion system. To address this issue, a new sensor reliability model combining both dynamic reliability and static reliability is presented in this paper. The dynamic property of the sensor reliability is determined by the distance function of the sensor report and the information volume of each sensor report. A new discounting coefficient is proposed to improve the classical Dempster combination rule. An application in fault diagnosis is illustrated to show the efficiency of our proposed method. It seems that our proposed method is more efficient for handling highly conflicting evidence. In addition, from the result obtained in this paper, the new method can identify the fault correctly and improve the accuracy of fault diagnosis from 81.19% to 89.48%.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

روش تخمین هزینه کیفیت فازی

A fuzzy quality cost estimation method

چکیده
1- مقدمه
2- مرور پژوهش ها
3- مقدمات
4- روش برآورد هزینه کیفیت
5- مطالعه موردی
5 – 1: کاربرد
5 – 2: اعتبارسنجی
6- نتیجه گیری

چکیده

کنترل هزینه کیفیت یکی از مهم ترین جنبه ها در توسعه سیستم مدیریت کیفیت است. مقاله حاضر روشی را برای برآورد هزینه کیفیت ارائه می دهد که بر لحاظ هزینه های کیفیت پنهان متمرکز است که این هزینه ها معمولاً یا مشاهده نشده اند و یا نامشخص هستند. اگرچه این موضوع قبلاً در دیگر مطالعات بحث و بررسی‌شده است، اما فردیت و عدم قطعیت در رویکرد تفصیلی آن ها لحاظ نشده است، درحالی که هرگونه تلاش برای بررسی هزینه های کیفیت پنهان باید شامل این دو ویژگی باشد. روش ما با مشاهده جایگاهی شروع می شود که هر تجارت در شبکه بلوغ مدیریت کیفیت کرازبی آن را اشغال می کند. دستیابی به شاخص مرحله بر پایه نظرات کارشناسان ارزیابی عضویت شرکت برای هر یک از مراحل شبکه بلوغ کرازبی را امکان پذیر می سازد. با کاربرد ضریب تصحیح کننده کرازبی با عامل وزنی مناسب از شاخص مرحله، دستیابی به هزینه کیفیت تعداد فازی امکان پذیر است. اندازه گیری-های بدست آمده و پیش بینی های کوتاه مدت ما را قادر می سازد تا همواره موقعیت را شناسایی و بر اساس آن عمل کنیم، و طرح های اصلاحی دقیقی را ایجاد کنیم که گرایش‌ها را تصحیح می کنند و پیشرفت مستمر را امکان پذیر می سازند.

1- مقدمه

اندازه گیری و گزارش هزینه کیفیت یک مرحله مهم در برنامه مدیریت کیفیت است [1]. در مقاله حاضر، روشی متدولوژیکی را توسعه می دهیم که عمدتاً بر تسهیل اکتساب، و سپس تحلیل و پیش بینی کوتاه مدت مقدار هزینه کیفیت قابل اطمینان متمرکز است. از زمانی که جوران [2] مفهوم هزینه های کیفیت را در دهه 1950 معرفی کرد، این موضوع توجه بسیاری از نویسندگان را جلب کرده است. در بین تعاریف بسیار موجود، به اعتقاد ما موردی که به دلیل وضوح خود برجسته شده است، تعریف کامپانلا [3] است که هزینه های کیفیت را به‌عنوان «مجموع هزینه های متحمل شده ناشی از سرمایه گذاری جهت جلوگیری از عدم انطباق با الزامات، ارزیابی یک محصول یا سرویس برای انطباق با الزامات و شکست در برآورده کردن الزامات» در نظر می گیرد. این تعریف به این معناست که، همان طور که جوران و گادفری [4] نشان دادند، این هزینه ها درصورتی‌که امکان اقدام اشتباه وجود نداشته باشد، از بین خواهند رفت.

6- نتیجه گیری

یکی از مسائل اصلی مربوط به برآورد هزینه کیفیت در حوزه های کسب‌وکار، وجود عناصر معینی است که هزینه-های پنهان کیفیت نامیده می شوند، که تعیین کمی آن ها در بهترین حالت نامطمئن و ذهنی است. به همین دلیل است که یک ابزار منحصربه فرد بر اساس موقعیتی که هر حوزه کسب‌وکار در شبکه بلوغ مدیریت کیفیت مشهور کرازبی اشغال می کند، توسعه یافته است؛ که این امر تبدیل هزینه های کیفیت محاسبه شده شرکت به اعداد فازی را امکان پذیر می سازد. به‌طورخاص، دستیابی به شاخص مرحله بر پایه نظرات کارشناسان ارزیابی عضویت شرکت برای هر یک از مراحل شبکه بلوغ کرازبی را امکان پذیر می سازد. کاربرد ضریب تصحیح کننده کرازبی با وزن کافی از شاخص مرحله دستیابی به حداکثر هزینه هایی را (هزینه بیشینه) که یک شرکت ممکن است بر اساس تخمین های اولیه (هزینه-های محاسبه شده) متحمل شود، امکان پذیر می سازد؛ و بنابراین ایجاد هزینه کیفیت TFN را فراهم می آورد.

Abstract

Quality cost control is one of the most important aspects in the development of a quality management system. This paper presents a method for the estimation of quality cost that aims to take into account the so-called hidden quality costs, which are typically unobserved or unknown. Although this is a subject that has already been approached in other studies, subjectivity and uncertainty are not included in their formal approach, which any attempt to address hidden quality costs should include. Our methodology begins by observing the position each business occupies in Crosby’s Quality Management Maturity Grid. Obtaining the stage index on the basis of the experts’ opinions permits the valuation of the company’s membership for each of the stages of Crosby’s Maturity Grid. The application of Crosby’s corrector coefficient to an adequate weighting of the stage index makes it possible to obtain the fuzzy number quality cost. The measures obtained and their short-term predictions enable us to know the situation at all times and act accordingly, establishing precise corrective plans that will correct tendencies and make continuous improvement possible.

1- Introduction

Measuring and reporting quality cost is an important step in a quality management program [1]. In this paper, we will develop a methodological proposal that mainly aims to facilitate the acquisition, and then the analysis and short-term prediction of reliable quality cost values.
Ever since Juran [2] introduced the concept of quality costs in the 50s, the subject has spurred an interest in many authors. Among the many existing definitions, in our opinion the one standing out because of its clarity is that by Campanella [3], who considers quality costs “the total of the costs incurred by investing in the prevention of non-conformances to requirements, appraising a product or service for conformance to requirements and failure to meet requirements.” This means, as Juran and Godfrey [4] indicated, they are the costs that would disappear if there were no possibility of making mistakes.

6- Conclusions

One of the main problems with quality cost estimation in businesses is the existence of certain elements that are called hidden quality costs, whose quantification is at best uncertain and subjective. This is why a unique tool has been developed, based on the position each business occupies on Crosby’s reputed quality Management Maturity Grid, which allows a company’s calculated quality costs to be transformed into fuzzy numbers.
In particular, obtaining the stage index on the basis of the experts’ opinions permits the valuation of the company’s membership for each of the stages of Crosby’s Maturity Grid. The application of Crosby’s corrector coefficient to an adequate weighting of the stage index makes it possible to obtain the maximum costs the company could incur (maximum cost) based on initial estimations (calculated costs), thus permitting the construction of the TFN quality cost.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

روش تخمین هزینه کیفیت فازی

A fuzzy quality cost estimation method

به حداقل رساندن سوئیت های تست در خطوط تولید نرم افزار با الگوریتم های ژنتیکی بر اساس وزن

Minimizing Test Suites in Software Product Lines Using Weight-based Genetic Algorithms

چکیده

مقدمه

زمینه

مجموعه آزمایش بر اساس FM و CFM

توضیحات GA های مبتنی بر وزن انتخاب شده

توضیح مشکل و تابع تناسب

توضیح مشکل

تعاریف و کارکرد های سه هدف

قابلیت تشخیص خطا (FDC)

تابع تناسب

مطالعات موردی و ارزیابی تجربی

مطالعات موردی

مطالعه موردی صنعتی

ارزیابی تجربی

سوالات تحقیق

تنظیمات آزمایش

آزمون های آماری

نتایج و تجزیه و تحلیل

تهدیدات مربوط به اعتبار

مطالعات مرتبط

نتیجه گیری و مطالعات آینده

چکیده

هدف تکنیک های به حداقل رساندن آزمون، شناسایی و حذف آزمون های اضافی از مجموعه های آزمون برای کاهش تعداد کل آزمون های اجرایی، و بنابراین بهبود کارآیی آزمون می باشد. در مورد خط محصول نرم افزار، می توانیم در انتخاب و به حداقل رساندن موارد آزمون برای آزمایش یک محصول خاص با مدل سازی خط محصول، برای صرفه جویی در هزینه تلاش کنیم. با این حال، به حداقل رساندن مجموعه آزمون برای یک محصول مستلزم بررسی دو مسئله بالقوه است: 1) مجموعه آزمون حداقل شده، در مقایسه با مجموعه اصلی، نمی تواند شامل همه الزامات آزمون باشد؛ 2) ممکن است مجموعه آزمون حداقل شده، قابلیت تشخیص خطای کم تری نسبت به مجموعه اصلی داشته باشد. در این مطالعه، از الگوریتم های ژنتیک مبتنی بر وزن (GAs) در به حداقل رساندن مجموعه آزمون برای آزمایش یک محصول استفاده می شود، در حالی که قابلیت تشخیص خطا و پوشش آزمایش مجموعه آزمون اصلی حفظ می شوند. چالش اصلی، تعریف یک تابع تناسب مناسب است که می تواند پوشش معیارهای آزمایش پیچیده را حفظ کند (به عنوان مثال، معیار آزمایش تعامل ترکیبی). بر اساس تابع تناسب تعریف شده، سه GAs مبتنی بر وزن متفاوت به صورت تجربی در یک مطالعه موردی صنعتی ارائه شده توسط شرکت سیستم های سیسکو در نروژ ارزیابی شده اند. علاوه بر این، نتایج اعمال سه GA مبتنی بر وزن در پنج مطالعه موردی از ادبیات ارائه شده اند. بر اساس این مطالعات موردی، نتیجه می گیریم که در میان سه GA مبتنی بر وزن، GA با وزن تصادفی (RWGA) نسبت به سایر موارد، به عملکرد بهتری دست یافته است.

نتیجه گیری و مطالعات آینده

در این مقاله، استفاده از GA های مبتنی بر وزن برای به حداقل رساندن مجموعه آزمون و آزمایش یک محصول و در عین حال دستیابی به پوشش جفت ویژگی بالا و قابلیت تشخیص خطا در چارچوب خط محصول نرم افزار پیشنهاد شده است. به طور رسمی، ما سه هدف را تعریف کردیم (درصد به حداقل رساندن آزمون (TMP)، پوشش جفت ویژگی (FPC) و قابلیت تشخیص خطا (FDC))، و پس از آن برای هدایت سه الگوریتم ژنتیک مبتنی بر وزن متفاوت (GA)، تعریف تابع تناسب (بر اساس اهداف) ارائه شده است: الگوریتم ژنتیک مبتنی بر وزن (WBGA)، الگوریتم ژنتیک مبتنی بر وزن برای بهینه سازی چند منظوره (WBGA-MO)، الگوریتم ژنتیک با وزن تصادفی. ما تابع تناسب را بر اساس یک مطالعه موردی صنعتی و پنج مطالعه موردی دیگر در ادبیات با استفاده از سه GA مبتنی بر وزن ارزیابی کردیم. با توجه به مجموعه ای از آستانه ها، سه GA مبتنی بر وزن و جست و جوی تصادفی (RS) ارزیابی شدند و مقایسه در میان آن ها انجام شد.

Abstract

Test minimization techniques aim at identifying and eliminating redundant test cases from test suites in order to reduce the total number of test cases to execute, thereby improving the efficiency of testing. In the context of software product line, we can save effort and cost in the selection and minimization of test cases for testing a specific product by modeling the product line. However, minimizing the test suite for a product requires addressing two potential issues: 1) the minimized test suite may not cover all test requirements compared with the original suite; 2) the minimized test suite may have less fault revealing capability than the original suite. In this paper, we apply weight-based Genetic Algorithms (GAs) to minimize the test suite for testing a product, while preserving fault detection capability and testing coverage of the original test suite. The challenge behind is to define an appropriate fitness function, which is able to preserve the coverage of complex testing criteria (e.g., Combinatorial Interaction Testing criterion). Based on the defined fitness function, we have empirically evaluated three different weightbased GAs on an industrial case study provided by Cisco Systems, Inc. Norway. We also presented our results of applying the three weight-based GAs on five existing case studies from the literature. Based on these case studies, we conclude that among the three weight-based GAs, Random-Weighted GA (RWGA) achieved significantly better performance than the other ones.

7- CONCLUSION AND FUTURE WORK

In this paper, we proposed an application of weight-based GAs to minimize the test suite for testing a product at the same time achieving high feature pairwise coverage and fault detection capability in the context of software product line. We formally defined three objectives (i.e., Test Minimization Percentage (TMP), Feature Pairwise Coverage (FPC) and Fault Detection Capability (FDC)), followed by the definition of a fitness function (based on the objectives) to guide three different weight-based Genetic Algorithms (GAs): Weight–Based Genetic Algorithm (WBGA), Weight-Based Genetic Algorithm for Multi-objective Optimization (WBGA-MO), Random-Weighted Genetic Algorithm (RWGA). We evaluated our fitness function based on an industrial case study and five other case studies from the literature using the three weight-based GAs. Given a set of thresholds, these three weightbased GAs and Random Search (RS) were evaluated and a comparison among them was conducted.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

به حداقل رساندن سوئیت های تست در خطوط تولید نرم افزار با الگوریتم های ژنتیکی بر اساس وزن

Minimizing Test Suites in Software Product Lines Using Weight-based Genetic Algorithms

کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت

Application of Artificial Intelligence to Real-Time Fault Detection in Permanent-Magnet Synchronous Machinesش

چکیده

1- مقدمه

2- سیستم های عایق کاری سیم پیچ

الف- سازمان

ب- بررسی سیستم عایق کاری سیم پیچ

ج- انواع آزمایش

3- فرایندهای شکست در ماشین های الکتریکی

الف- اضافه بار حرارتی

ب- چرخۀ حرارتی

ج- سرژهای ولتاژ تکراری

د- فرایندهای شکست قطب برجسته و گرد روتور

ه- فرآیند شکست سیم پیچ در روتور ماشین القایی سیم بندی شده و قفسه سنجابی

4- شرایط آزمایشی و نظارتی

الف- نظارت آنلاین بر سیم پیچ های استاتور و روتور

5- تشخیص خطا در PMSM

الف- توسعه مدل شبکه عصبی

ب- مدل آموزشی ANN

6- توصیف محیط آزمایشی

الف- نتایج آموزش

ب- نتایج شبیه سازی خطا

7- نتیجه گیری

منایع

چکیده

این مقاله در مورد خطاهای موجود در ماشین های الکتریکی چرخشی بحث می کند و روش تشخیص خطا را با استفاده از شبکه عصبی مصنوعی (ANN) توصیف می کند، که سیستمی خبره برای تشخیص جریانات خطای مدار اتصال کوتاه در سیم پیچ های استاتور ماشین سنکرون مغناطیس دائم (PMSM) است. این محیط آزمایشی شامل PMSM می شود که به صورت مکانیکی به موتور dc متصل شده تا در حالت گشتاور راه اندازی شود. از بهینه سازی ازدحام ذرات برای تنظیم وزن های ANN استفاده می شود. همۀ شبیه سازی ها در محیط متلب/سیمولینک انجام می شود. این روش کارآمد است و می تواند برای تشخیص خطای بلادرنگ به کار برده شود.

7- نتیجه گیری

نتایج نشان داده شده در این مقاله یک روش کاربردی نویدبخش را برای FDD بلادرنگ نشان می دهد. فرکانس کاربرد این درایو می تواند بر سایر فرکانس ها به جز 10 Hz تنظیم شود که فرکانس کاربرد درایو در این مقاله است. در مورد کاربرد رد 10 Hz، با بحث در مورد دست‌کاری داده ها، ANN برای تصمیم گیری به حدود 0.05 s نیاز دارد. این وقفه های زمانی کوتاه از خسارت بیشتر به سیم پیچ ماشین جلوگیری می کند. این شبیه سازی ها برای مقادیر خروجی ANN در آستانۀ 3 انحراف معیار در میانگین نمونه انجام می شود. این آستانه می تواند برای جلوگیری از هشدارهای کاذب افزایش یابد. این روش به صورتی صحیح خطاهای مدار اتصال کوتاه را از ناپایداری-های بارگذاری متمایز می کند.

Abstract

This paper discusses faults in rotating electrical machines in general and describes a fault detection technique using artificial neural network (ANN) which is an expert system to detect short-circuit fault currents in the stator windings of a permanent-magnet synchronous machine (PMSM). The experimental setup consists of PMSM coupled mechanically to a dc motor configured to run in torque mode. Particle swarm optimization is used to adjust the weights of the ANN. All simulations are carried out in MATLAB/SIMULINK environment. The technique is shown to be effective and can be applied to real-time fault detection.

VII- CONCLUSION

The results shown in this paper show a promising technique applicable to real-time FDD. The frequency of operation of the drive can be adjusted to other frequencies other than 10 Hz which was the frequency of operation of the drive in this paper. By the data manipulations discussed, the ANN requires about 0.05 s, in the case of operation at 10 Hz, to make a decision. If the frequency is increased to 60 Hz, the ANN requires 0.00833 s to make decisions. These short time intervals would prevent further damage to the winding of the machine. The simulations have been carried out for values of the ANN output within a threshold range of 3 standard deviations about the sample mean. The threshold can be increased to prevent false alarms. The technique also accurately distinguishes short-circuit faults from loading transients.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت

Application of Artificial Intelligence to Real-Time Fault Detection in Permanent-Magnet Synchronous Machinesش

روش جدید برای تشخیص خطا در ماشین های سنکرون مغناطیس دائم با آنالیز امواج الکترومغناطیسی

A New Approach to Fault Diagnostics for Permanent Magnet Synchronous Machines Using Electromagnetic Signature Analysis

چکیده

1- مقدمه

2- اصول اجرای کویل چکیده

1- مقدمه

2- اصول اجرای کویل های جستجو

3- انواع خطا در ماشین های PM

الف. گریز از مرکز

ب. مدار کوتاه سیم پیچ آرمیچر

ج. مغناطیس زدایی

4- اصول کار

5- نتایج شبیه سازی

6- تأیید تجربی

7- نتیجه گیری

های جستجو

3- انواع خطا در ماشین های PM

الف. گریز از مرکز

ب. مدار کوتاه سیم پیچ آرمیچر

ج. مغناطیس زدایی

4- اصول کار

5- نتایج شبیه سازی

6- تأیید تجربی

7- نتیجه گیری

چکیده

این مقاله رویکرد جدیدی را برای نظارت بر سلامت و تشخیص خطاهای چندگانه در ماشین های سنکرون مغناطیس دائم با استفاده از اندازه گیری شار مستقیم با کویل جستجو پیشنهاد می کند. برخلاف سایر طیف های مبتنی بر طرح های تشخیص خطا، فقط مؤلفه اصلی بسامد ولتاژ اندازه گیری شده برای تشخیص خطا به کار گرفته شد. بنابراین، عملکرد این طرح پیشنهادی تحت تأثیر سرعت و هارمونیک های غیرثابت که توسط منبع تغذیه معرفی شده، نیست. علاوه بر این، موقعیت خطای اتصال کوتاه حلقه داخلی و جهت گریز از مرکز استاتیک نیز می تواند مشخص شود، که هرگز توسط هیچ طرح دیگری انجام نشده است. علی رغم ماهیت تهاجمی این روش، برای کاربردهای مهم و جدید مانند توربین های بادی دریایی، تکنولوژی ماشین های هیبریدی و کاربردهای نظامی بسیار مناسب است، که در آن تشخیص زودهنگام خطاها اهمیت زیادی دارد. شبیه سازی های دو بعدی با استفاده از روش تحلیل اِلِمان محدود برای تأیید روش پیشنهادی تحت شرایط مختلف عملیاتی ارائه شده است. معرفی تجربی خطای اتصال کوتاه حلقه داخلی، مغناطیس زدایی و گریز از مرکز استاتیک مورد بحث قرار گرفته اند و این طرح پیشنهادی از نظر تجربی برای بررسی کارآمدی آن اجرا شده است.

7- نتیجه گیری
در این مقاله، طرحی جدید برای مدیریت بر سلامت PMSM و تشخیص خطا پیشنهاد شده است. کویل های جستجو در اطراف هر دندانه پیچیده می شوند تا بتوان چگالی/تراکم شار شکاف هوایی را اندازه گرفت. اگرچه این روش تهاجمی است، اما تنها هارمونیک ردیف اول برای شناسای خطا به کار می رود، به طوری که برای هارمونیک-های ناشی از قدرت دستگاه های الکترونیکی ایمن است. مزیت دیگر این روش این است که شرایط باری الزاماً نیازی به تشخیص دقیق خطا ندارند.
شبیه سازی های FEA دو بعدی زمان ناپایدار برای اعتبارسنجی روش پیشنهادی در طول شرایط مختلف عملیاتی موتور پیشنهاد شده اند. خطاهای در نظر گرفته شده در این مطالعه شامل گریز از مرکز استاتیک و دینامیک، مدار اتصال کوتاه حلقه داخلی، مدار اتصال کوتاه فاز به زمین و مغناطیس زدایی یک شکل و جزئی می-شود. نتایج نشان می دهد که تشخیص مغناطیس های خطاهای مختلف آسان است، بنابراین به الگوریتم تشخیص الگوی زمان گیر نیازی نیست. بنابراین، جهت گریز از مرکز و موقعیت حلقه های اتصال کوتاه سیم پیچ می تواند مشخص شود. به علاوه، این روش همچنین می تواند شدت هر خطا را ارزیابی کند، که در کاربردهای مهمی مانند خودروها، هوافضاها و کارهای نظامی از اهمیت بالایی برخوردار است.

Abstract

This paper proposes a novel approach to health monitoring and multifault detection in permanent magnet synchronous machines using direct flux measurement with search coils. Unlike other spectrum-based fault detection schemes, only the fundamental frequency component of the measured voltage is utilized for fault detection. Therefore, the performance of the proposed scheme is not affected by nonstationary speed or harmonics introduced by the power supply. In addition, location of interturn short circuits and direction of static eccentricity can be detected, which have never been done by any other scheme. In spite of the invasive nature of the technique, it is very suitable for mission-critical applications and emerging applications such as off-shore wind turbines, hybrid vehicle technology, and military applications, where early detection of faults is of paramount importance. 2-D simulations using finite element analysis have been presented to validate the proposed method under different operating conditions. Experimental introduction of stator interturn short circuit, demagnetization, and static eccentricity has been discussed, and the proposed scheme is experimentally implemented to examine its effectiveness.

VII. CONCLUSION

In this paper, a novel scheme for PMSM health monitoring and fault diagnosis has been proposed. Search coils are wound around each tooth so that the air-gap flux density can be measured. Although the method is invasive, only the first-order harmonic is used for fault detection so that it is immune to the harmonics induced by power electronic devices. Another benefit of this technique is that the load condition does not necessarily need to be specified for accurate fault diagnosis.

2-D time transient FEA simulations have been presented for the validation of the proposed method over different motor operation conditions. The faults considered in this study include static and dynamic eccentricity, interturn short circuit, phase-toground short circuit, and partial and uniform demagnetization. Results show that the signatures of different faults are easy to identify, so no time-consuming pattern recognition algorithm is required. Furthermore, the direction of eccentricity and the location of winding shorted turns can be found. In addition, this method is also capable of evaluating the severity of each fault, which is of significant importance in mission-critical applications such as automotive, aerospace, and military.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

روش جدید برای تشخیص خطا در ماشین های سنکرون مغناطیس دائم با آنالیز امواج الکترومغناطیسی

A New Approach to Fault Diagnostics for Permanent Magnet Synchronous Machines Using Electromagnetic Signature Analysis